FinPilot — 台股量化分析平台

台股 + 美股日線級量化分析平台，整合 Telegram Bot 推播、Claude AI 自然語言查詢，以及策略研究 Agent。

免責聲明：本專案僅供個人學習與研究使用，所有策略回測結果均為歷史模擬，不代表未來績效。本專案不構成任何投資建議，使用者須自行承擔所有投資決策與交易損益之責任。資料來源（FinLab、FinMind、yfinance）之準確性及時效性由各資料提供方負責，本專案不對資料錯誤或延遲負責。

系統架構

                    ┌─────────────────────────────────────────┐
                    │               FinPilot/                 │
                    │                                         │
  FinMind (台股) ──▶│  data_fetcher.py  ──▶  SQLite DB        │
  yfinance (美股) ──▶│                        quant.db         │
                    │         ▼                    ▼           │
                    │  APScheduler          price_history      │
                    │  (台股15:35 / 美股06:00) watchlist       │
                    │                        position_lots     │
                    │                               ▼          │
                    │  Telegram Bot ◀──── notifier.py         │
                    │  (指令 + Claude AI)                      │
                    └─────────────────────────────────────────┘

  終端執行：
  agents/strategy_backtest.py
  ├── Strategy Agent (claude --print)  ← 需 Claude Code（Pro/Max 訂閱）
  ├── Backtest Agent (finlab.sim)      ← 本地執行
  └── Fix Agent (claude --print)      ← 自動修正錯誤

資料流

排程觸發 → data_fetcher.py 向 FinMind/yfinance 抓當日收盤資料
寫入 price_history，計算 MA5/MA20/均量/N日高
查詢 Bot 指令或 Claude AI 自然語言可隨時查詢

目錄結構

FinPilot/
├── README.md                          ← 本文件
├── requirements.txt                   ← Python 套件清單
├── LICENSE                            ← MIT License
├── config/
│   ├── settings.py                    ← 全域設定（讀取 .env）
│   ├── .env.example                   ← 金鑰範本（複製為 .env 並填入）
│   └── .env                           ← API 金鑰（需自行填入，已加入 .gitignore）
├── data/
│   ├── quant.db                       ← SQLite 主資料庫
│   └── logs/                          ← 各服務 log
│       ├── bot.log
│       └── scheduler.log
├── core/
│   ├── database.py                    ← SQLite CRUD（thread-local）
│   ├── data_fetcher.py                ← FinMind + yfinance 資料抓取
│   └── notifier.py                    ← Telegram 推播
├── scheduler/
│   └── job_runner.py                  ← APScheduler 排程主程式
├── bot/
│   ├── telegram_bot.py                ← Bot 指令處理 + NLP 路由
│   └── claude_handler.py              ← Claude AI 自然語言處理
├── agents/
│   ├── strategy_backtest.py           ← 策略研究 Agent（終端執行）
│   ├── strategy_explorer.py           ← 自動策略探索引擎（月頻因子，daemon，連續執行）
│   ├── event_strategy_explorer.py     ← 事件驅動型策略探索引擎（daemon，連續執行）
│   ├── strategy_monitor.py            ← 每日 20:00 事件警示+處置股+PEG+持倉健診+Regime/Kelly推播
│   ├── position_scanner.py            ← 持倉掃描器（手動執行，依策略命中數排名）
│   ├── run_all_backtests.py           ← 全策略回測驗證工具（一鍵跑 s01~s118 含動態地板）
│   ├── strategies/                    ← 策略檔
│   │   ├── s00_example.py             策略撰寫範本
│   │   ├── s01~s06、s10               手動設計策略（含完整實作）
│   │   ├── s07_disposal_stock.py      處置股策略（⚠️ FinLab 社群作品，僅含說明）
│   │   ├── s08_chip_broker.py         籌碼分點策略（⚠️ 需 ETL VIP，僅含說明）
│   │   ├── s09_whale_inventory.py     集保鯨魚策略（⚠️ 需 ETL VIP，僅含說明）
│   │   ├── s62/s102/s111/s116/s118 🤖 自動探索策略（嚴格重新驗證後保留 5 檔）
│   │   │   ├── s111 CAGR +45.7%  Sharpe 1.31  MDD -28.8%  勝率 52.9%  ✅
│   │   │   ├── s116 CAGR +30.2%  Sharpe 1.32  MDD -21.8%  勝率 50.8%  ✅
│   │   │   ├── s118 CAGR +25.1%  Sharpe 1.67  MDD -15.0%  勝率 59.8%  ✅
│   │   │   ├── s62  CAGR +24.3%  Sharpe 1.46  MDD -20.0%  勝率 57.5%  ✅
│   │   │   └── s102 CAGR +20.5%  Sharpe 1.34  MDD -25.8%  勝率 54.8%  ✅
│   │   └── （exp_* 實驗性策略未包含於此 repo）
│   └── reports/                       ← 回測報告（Markdown）
└── scripts/
    ├── start.sh                       ← 一鍵啟動所有服務
    ├── stop.sh                        ← 停止所有服務
    └── pids/                          ← 各服務 PID 檔（自動生成）

服務說明

服務	腳本	說明
Telegram Bot	`bot/telegram_bot.py`	指令 + Claude AI 自然語言查詢
APScheduler	`scheduler/job_runner.py`	排程抓資料更新

Python 套件（主要）

finlab
FinMind（https://github.com/FinMind/FinMind）
yfinance
python-telegram-bot
apscheduler
fastapi + uvicorn
anthropic
pandas, numpy, ta, loguru ...

詳細版本需求請見 requirements.txt。

安裝與設定

1. Clone 並安裝套件

git clone https://github.com/hu0937/FinPilot.git
cd FinPilot
pip install -r requirements.txt

2. 填入 API 金鑰

cp config/.env.example config/.env

編輯 config/.env：

# FinMind Token（免費申請：https://finmindtrade.com/）
FINMIND_TOKEN=your_token_here

# Telegram Bot Token（向 @BotFather 申請）
TELEGRAM_BOT_TOKEN=123456:ABC-DEF...

# 你的 Telegram Chat ID（向 @userinfobot 查詢）
TELEGRAM_CHAT_ID=987654321

# Anthropic API Key（Telegram Claude AI 查詢功能需要）
ANTHROPIC_API_KEY=sk-ant-...

# FinLab Token（策略研究 Agent 需要）
FINLAB_API_TOKEN=your_finlab_token

3. 取得必要金鑰

FinMind Token：

前往 https://finmindtrade.com/ 註冊
登入後在個人頁面取得 API Token

Telegram Bot Token：

在 Telegram 搜尋 @BotFather，傳送 /newbot

Telegram Chat ID：

在 Telegram 搜尋 @userinfobot，傳送任意訊息

FinLab Token：

前往 https://www.finlab.finance/ 取得（Free 每日 500 MB）

4. 設定 Claude AI 模型（選填）

config/.env 中可調整：

# Claude AI 模型
CLAUDE_MODEL=claude-sonnet-4-6   # 可切換為 claude-opus-4-6 等

啟動與管理

一鍵啟動

bash scripts/start.sh

停止所有服務

bash scripts/stop.sh

查看 Log

tail -f data/logs/scheduler.log
tail -f data/logs/bot.log

Telegram Bot 指令

管理觀察清單

指令	說明	範例
`/add <代碼> <市場>`	新增追蹤	`/add 2330 TW`
`/del <代碼> <市場>`	移除追蹤	`/del AAPL US`
`/list`	顯示全部清單	`/list`
`/list TW`	只顯示台股	`/list TW`

查詢狀態

指令	說明
`/status`	系統狀態（排程器、清單數）

持倉管理

指令	說明	範例
`/pos`	查詢全部持倉部位（含損益%）	`/pos`
`/pos buy <代碼> <市> <量> <均價> [日期]`	買入（FIFO新增lot）	`/pos buy 2330 TW 1 500.5`
`/pos sell <代碼> <市> <量>`	賣出（FIFO消耗）	`/pos sell 2330 TW 0.5`
`/pos lots <代碼> <市>`	查看 lot 明細	`/pos lots 2330 TW`

數量單位統一為股
成本計算採 先進先出（FIFO）

分析工具

指令	說明	範例
`/price <代碼> <TW\|US>`	個股收盤價、趨勢（多頭/空頭/盤整）、距60日高、量能	`/price 2330 TW`
`/risk`	持倉集中度分析（台美比例、各部位佔比、最大集中度）	`/risk`

Claude AI 自然語言查詢

Telegram Bot 已整合 Claude AI，直接輸入自然語言查詢，無需記指令。

設定

在 config/.env 中填入 ANTHROPIC_API_KEY。

問法範例

幫我看一下 NVDA 最近的技術面
我剛買了 2330 100股，均價 950
目前持倉有多少？
我的持倉風險如何？集中度有沒有問題？
幫我推薦低風險的策略

可用工具

工具	說明
`get_platform_summary`	追蹤數統計
`get_watchlist`	觀察清單
`get_stock_price`	個股收盤價、趨勢判斷（多頭/空頭/盤整）、距60日高、量能狀態
`get_positions`	查詢持倉（FIFO彙總）
`get_position_risk`	持倉風險分析（集中度、台美比例）
`get_strategy_recommendation`	依目標推薦前3策略（高報酬/低風險/高勝率/高夏普）

買賣操作請使用 Bot 指令 /pos buy 與 /pos sell，AI 不執行交易。

策略研究 Agent

使用 FinLab 回測引擎，透過 Claude Code 自動生成策略並回測。

執行方式

在終端機（不是在 Claude Code session 內）：

python agents/strategy_backtest.py

需要

config/.env 中設定 FINLAB_API_TOKEN
已安裝並登入 Claude Code（可自由選擇方案，支援 Pro 或 Max 訂閱）

運作流程

用戶輸入條件
    ↓
Strategy Agent（claude --print）
  → 根據 FinLab API 知識生成策略程式碼
    ↓
Backtest Agent（本地執行 finlab.sim()）
  → 執行回測，顯示 CAGR / Sharpe / MDD / 勝率
    ↓
Fix Agent（claude --print，失敗才觸發）
  → 自動修正錯誤，最多重試 2 次

輸入範例

條件> 月營收年增率連3個月 > 20%，取最強10檔
條件> 只看股價與量能，60日動能 + 量能擴張，月頻再平衡
條件> ROE > 15% 且 本益比最低20檔，含停損8%

已驗證策略（`agents/strategies/`）

手動策略（s01~s10）

檔案	策略	CAGR	Sharpe	MDD	狀態
s07_disposal_stock.py	處置股策略	+41.6%	1.04	-56.3%	⚠️ FinLab 社群作品，僅含說明
s03_peg.py ⭐	PEG 低本益比/成長率	+24.3%	0.88	-37.8%	✅ 含完整實作
s04_momentum_roe.py	60日動能 + ROE > 0	+17.6%	0.59	-47.6%	✅ 含完整實作
s10_fcf_quality.py ✨	自由現金流品質（FCF+ROE+營收，前10）	+17.1%	0.68	-38.5%	✅ 含完整實作
s01_new_high.py	創250日新高	+16.8%	0.55	-58.2%	✅ 含完整實作
s05_newhigh_revenue.py	創新高 + 月營收年增率 > 0	+14.1%	0.55	-53.1%	✅ 含完整實作
s06_newhigh_roe.py	創新高 + ROE > 15%	+12.2%	0.40	-56.1%	✅ 含完整實作
s08_chip_broker.py	籌碼分點集中	+11.2%	0.51	-35.5%	⚠️ 需 FinLab ETL VIP，僅含說明
s02_revenue_momentum.py	月營收創歷史新高	+8.8%	0.34	-59.8%	✅ 含完整實作
s09_whale_inventory.py	集保鯨魚（大股東>400張佔比上升）	+8.2%	0.51	-29.0%	⚠️ 需 FinLab ETL VIP，僅含說明

自動探索策略（🤖 嚴格重新驗證後保留 5 檔）

2026-02-23 嚴格重新驗證結果：150 個策略以新標準（複合分數 ≥ 0.75、熊市 MDD > -50%、動態地板 CAGR > 17.5% / Sharpe > 0.90）重新評估，原 107 檔中僅 5 檔通過。

檔案	主要條件	CAGR	Sharpe	MDD	勝率	分數
s111	均量>100張＋營業利益成長率>0%＋創40日新高＋月營收加速＋BI>0.52	+45.7%	1.31	-28.8%	52.9%	0.789
s116	均量>100張＋大股東連2期上升＋殖利率>5%＋月營收加速>1.1	+30.2%	1.32	-21.8%	50.8%	0.759
s118	均量>100張＋殖利率>5%＋營業利益成長率>20%＋月營收加速＋低波動	+25.1%	1.67	-15.0%	59.8%	—
s62	均量>200張＋60日低波動＋月營收加速>1.1	+24.3%	1.46	-20.0%	57.5%	0.756
s102	均量>100張＋董監持股>5%＋月營收加速>1.1＋殖利率排名前15	+20.5%	1.34	-25.8%	54.8%	0.770

🤖 = 自動探索引擎發現（複合分數 ≥ 0.75 + OOS CAGR > 15% / Sharpe > 0.6 + 熊市 MDD > -50%） s118 為重新驗證後由新標準發現，分數欄為 n/a（待下次 run_all_backtests.py 計算）

實驗性策略（exp_*）

實驗性策略為手動設計，Sharpe 不足或虧損，不包含於此公開 repo。

單獨執行策略（以 s03 為例）：

python agents/strategies/s03_peg.py

注意事項

VIP Tier 每日 5000 MB 額度
hold_until 在目前版本有 numpy read-only 限制，請改用月頻再平衡
ROE / 財務報表為季報，FinLab & 運算子自動對齊，勿手動 .reindex()
生成的策略程式碼會顯示在終端，可直接複製修改
回測報告存於 agents/reports/

自動策略探索引擎（連續執行）

agents/strategy_explorer.py 隨 Scheduler 啟動後以 daemon thread 持續運行，不間斷地測試新因子組合，發現優秀策略時自動存檔並推播。

注意事項（費率標準化）：所有策略檔（s01~s10 手動 + s62/s102/s111/s116/s118 自動 + exp_*）均採用統一標準費率 fee_ratio=1.425/1000, tax_ratio=3/1000（0.1425% 買賣手續費 + 0.3% 股票交易稅）。

運作方式

Scheduler 啟動
    ↓
daemon thread（strategy-explorer）
  → 從 26 種因子庫隨機抽 3~5 個因子（加權：3因子偏好），並隨機化閾值參數
  → 因子多樣性檢查（Jaccard 相似度 > 50% 且 > 25% 現有策略重疊 → 跳過）
  → 以時間戳為種子產生 hash，確認未曾測試過
  → FinLab 回測（2018~2022 訓練期，嚴格分離 OOS）
  → 判斷是否達到入選門檻（靜態地板 + 動態地板 + 複合分數 ≥ 0.75）
  → 達標後：Walk-forward OOS 驗證（2023~今）
      OOS 通過條件（升級）：CAGR > 8%、Sharpe > 0.4、MDD 不惡化 > 50%
  → 兩段皆通過：存 .py 檔 + DB + Telegram 推播
  → 跑完立刻跑下一個（失敗則等待 30 秒後繼續）

入選門檻

加權複合分數 ≥ 0.75（各指標正規化後加權平均）：

指標	權重	說明
CAGR	1.0	地板 6%，基準現有最佳
Sharpe	1.0	地板 0.35，基準現有最佳
MDD	1.5	地板 -60%，基準現有最佳（加重，強調風險控制）
勝率	0.5	基準現有最佳

最低地板（低於此直接淘汰，不進入複合分數計算）：CAGR > 6%，Sharpe > 0.35，MDD > -60%

動態地板（隨已通過策略數量自動提升，取現有通過策略的 P10 值）：

激活條件：通過靜態地板的策略 ≥ 5 個
現行動態地板（重新驗證後 148 個策略通過靜態地板 P10）：CAGR > 17.5%，Sharpe > 0.90

因子庫（26 種）：

家族	因子
流動性	`vol_ok`（均量過濾，300~1000張）
估值	`pe_max`（PE上限）
品質/獲利	`roe_min`, `fcf_pos`, `fcf_rank`, `op_grow`
月營收	`rev_grow`, `rev_accel`, `rev_mom`
技術面	`ma_bull`, `ma_cross`, `high_n`, `momentum`
低波動	`low_vol`
集保鯨魚	`whale_conc`, `whale_rise`
分點籌碼	`bi_high`, `bi_rise`, `bsr_high`
法人	`foreign_buy`, `trust_buy`, `inst_both`
董監	`insider_buy`, `insider_skin`
股息收益 🆕	`div_yield`（殖利率 %）
帳面淨值 🆕	`pb_low`（PB 股價淨值比）

Walk-forward OOS 驗證（通過複合分數後的第二關）：

訓練期：2018~2022-12-31（嚴格 OOS 分離）
驗證期：2023-01-01~今（out-of-sample，至少 12 個月）
通過條件：OOS 段 CAGR > 15%、Sharpe > 0.6、MDD 不惡化超過 50%
若 OOS 驗證失敗 → 不存檔（防止過擬合）

熊市段驗證（通過 OOS 後的第三關）：

驗證期：2021-08-01~2022-12-31（台股最大跌幅約 -25% 的空頭段）
通過條件：熊市段 MDD > -50%（期數不足 3 期則略過）
目的：確認策略在空頭市場不會崩潰，而非只在多頭市場有效

月營收資料時間對齊：

月營收索引格式為 "2024-M1"，使用 .index_str_to_date() 轉換為公告日（如 2024-01-10）
確保換倉時使用「已公告」的資料，符合 FinLab 官方建議，避免 look-ahead bias

因子多樣性控制：

每次抽樣最多嘗試 50 個種子
Jaccard 相似度計算排除 vol_ok（所有策略共有，會稀釋差異性）
若 > 25% 的現有策略因子家族重疊度 > 50% → 跳過

標竿動態化：

複合分數正規化的「最佳值」（ceiling）改為從 DB 動態讀取
底線（floor）保留硬編碼 s07 值，確保空 DB 時仍有高標準
隨著更優策略入庫，標竿自動提高，入選門檻持續升級

通過後

自動存為 agents/strategies/sXX_*.py
記錄至 DB discovered_strategies 表（含 hypothesis 欄位）
透過 Telegram 推播通知

每日資料快取

FinLab 資料每日只下載一次，快取於記憶體中（_data_cache），連續探索時不重複下載。

手動觸發

python agents/strategy_explorer.py

事件驅動型策略探索引擎（連續執行）

agents/event_strategy_explorer.py 為事件驅動型策略的自動探索引擎，與月頻因子型的 strategy_explorer.py 並行運作。

注意：disposal_intraday / disposal_any / disposal_fixed 三個處置股模板原包含於此引擎，其邏輯源自 FinLab 社群處置股策略（https://ai.finlab.tw/），已從公開 repo 移除。由此生成的自動策略（s16、s17）同樣不包含於此 repo。

與月頻因子型引擎的差異：

項目	strategy_explorer	event_strategy_explorer
策略類型	月頻再平衡因子組合	事件觸發（持有特定期間）
Position 建構	向量化布林篩選	逐筆事件 `position.loc[start:end]`
持有期間	固定每月換倉	由事件時間軸決定
入選門檻	複合分數 ≥ 0.75 + OOS + 熊市段	與月頻型相同

事件模板庫（3 種）

模板	說明	假說	可調參數
`attention_stock`	注意股票	監管注意具短期賣壓解除效應	entry_offset, exit_offset
`capital_reduction`	減資後恢復買賣（TSE+OTC 合併）	現金減資 = 公司還錢股東，恢復交易日計價基準重設有反彈空間	entry_offset, hold_days
`treasury_stock`	庫藏股買回期間持有	公司宣告買回 = 管理層認為股價低估，買回期間有資金護盤	entry_offset, exit_offset, min_len

疊加過濾（可選）：無過濾 或 均量>{vol_k}張（vol_k：100/200/300/500）

三段式驗證（與月頻型相同）

訓練期回測（2018~2022）：複合分數 ≥ 0.75 + 動態地板
Walk-forward OOS（2023~今，至少 250 個交易日）：CAGR > 15%、Sharpe > 0.6、MDD 不惡化
熊市段驗證（2021-08~2022-12，至少 60 個交易日）：MDD > -50%

手動觸發

python agents/event_strategy_explorer.py

通過後

自動存為 agents/strategies/sXX_*.py
記錄至 DB discovered_strategies 表（rebalance_freq='event'）
透過 Telegram 推播通知（🔬 新事件策略發現！ / 🔄 事件策略更新！）

每日策略監控（20:00 自動推播）

agents/strategy_monitor.py 每晚 20:00 透過 APScheduler 自動執行，推播四節內容。

事件警示（新增）

掃描今日新發生的公司事件，有事件時才顯示此節：

類型	觸發條件	用途
✂️ 減資後恢復買賣	`capital_reduction_tse/otc` 的 `恢復買賣日期 == 今日`	減資重啟日可能有計價基準重設效應
🏦 庫藏股買回開始	`treasury_stock` 的 `預定買回期間-起 == 今日`	公司主動護盤，買回期間有支撐
⚠️ 新增注意股票	`trading_attention` 的 `date == 今日`（資料可用時）	監管注意後的賣壓解除效應

處置股策略

進場：今日新被列入「分時交易」處置的 4 碼普通股 → 推播進場建議
出場：今日處置期結束且我有持倉 → 推播出場提醒

PEG 策略（月頻）

選股：即時計算月營收成長 + 營業利益成長率過濾後，取 PEG 最低前 10 檔
出場：持倉中有正 PEG 值但已不在前 10 → 推播「已落榜」提醒（自動排除處置期持倉，避免假訊號）

持倉健診（加減碼建議）

對持倉台股個股進行多策略訊號交叉評分，輸出三層建議：

評分	建議	條件
≥ 4	🟢 建議加碼	多訊號共振（PEG⭐ / 籌碼✅ / 法人💰 / MA多📈 等）
2~3	🟡 持有觀察	部分訊號，維持現有部位
< 2 且均線多頭	🟡 持有觀察	訊號不足但趨勢未轉弱
< 2 且均線偏空	🔴 考慮減碼	無正向訊號且技術面轉弱

評分因子：PEG前10（+3）、籌碼分點集中（+2）、法人同買（+2）、MA多頭（+1）、60日新高（+1）、外資/投信各（+1）

⚠️ 若持倉同時有 ROE 偏低等負面指標，加碼/觀察行尾會附加 warns 標記。

推播範例

📊 每日策略監控報告
日期：2026-02-23

📅 今日事件警示
✂️ 減資後恢復買賣（今日重啟）：
  • 1234 某某股
🏦 庫藏股買回期開始（今日）：
  • 5678 某某股

⚠️ 處置股策略
▶ 今日新進入處置（可考慮進場）：
  • 1122 某某股　處置至 2026-03-05
⚠️ 處置期結束（持倉提醒）：
  • 3344 某某股　今日處置結束，可考慮出場

⭐ PEG 策略（月頻）
▶ 當前選股（低PEG前10）：
  • 3017 奇鋐　PEG=0.26
  • 2330 台積電　PEG=0.81
⚠️ 持倉已不在PEG前10（可考慮出場）：
  • 2313 華通　PEG=3.03（已落榜）

💼 持倉健診  🟢 市場：多頭
🟢 建議加碼（多訊號共振）：
  • 2344 華邦電　籌碼✅  MA多📈  法人💰  (5分)  Kelly≈7%  ⚠️ ROE低(3.2%)
🟡 持有觀察：
  • 2454 聯發科　外資買  (2分)  Kelly≈3%
  • 9876 某某股　MA多📈  (1分)  Kelly≈1%
🔴 考慮減碼：
  • 9999 某某股　均線空頭⚠️  ROE低(1.5%)

手動觸發

python agents/strategy_monitor.py

持倉掃描器（手動執行）

agents/position_scanner.py 一次性指令，掃描 DB 中所有通過的自動探索策略，依命中率排名後推播 Telegram。

特性

不跑 sim()，僅重建 position，不消耗額外 FinLab token
FinLab 資料一次性載入（約 3 秒），所有策略共用
市場 Regime 偵測：自動判斷牛/熊/盤整市場環境，動態調整策略排序偏好
Sharpe 加權命中分數：依各策略 Sharpe ratio 加權，而非等權命中計數
Half-Kelly 倉位建議：對每檔持股計算建議倉位比例（上限 15%）
自動分類台股個股 / ETF / 美股，只對個股排名
包含股票名稱（從 watchlist 查詢）

Regime 偵測邏輯

Regime	判斷條件	策略排序偏好
🟢 牛市 (bull)	觀察清單中位數 60日漲幅 > 3%	優先高 CAGR 動能策略
🔴 熊市 (bear)	中位數 60日漲幅 < -3%	優先低 MDD 防禦策略
🟡 盤整 (sideways)	介於 -3%~3%	優先高勝率均值回歸策略

執行

python agents/position_scanner.py

輸出格式

📊 持倉策略掃描報告
🗓 2026-02-20 · 全部 23 個策略（成功執行 23 個）
🟢 市場 Regime：BULL　牛市：優先動能/高CAGR

🇹🇼 台股個股排名（Sharpe加權命中）
🥇 2344 華邦電   3/23 (0.48w) Kelly≈8%  ███░░░░
🥈 2454 聯發科   2/23 (0.31w) Kelly≈6%  ██░░░░░
⬜  2330 台積電   0/23  ░░░░░░░
...

ℹ️ ETF 10 檔：0050 006208 ...
🇺🇸 美股（6 檔，策略不含）：AAPL CRDO ...

━━━━━━━━━━━━━━━━━━━━
📋 策略明細
1. 均量>300張+大股東佔比>25%+PE｜35% 79分｜✅ 2344 華邦電
2. ...

備註

只掃描自動探索策略（s62/s102/s111/s116/s118），手動策略（s01~s10）及實驗性策略（exp_*）尚未納入
Sharpe 加權命中 = 各策略命中時以 Sharpe/總Sharpe 加權，比等權命中更能反映策略品質
Kelly 建議 = Half-Kelly × Sharpe 調整，上限 15%，為多個命中策略的平均值

排程時間表

任務	時間（CST，台北時間）	執行日
台股價格更新	15:35	週一至週五
美股價格更新	06:00	週二至週六
每日心跳推播（追蹤清單 / 持倉數 / 策略數）	08:00	每天
策略監控推播（事件警示 + PEG + 持倉健診）	20:00	每天
自動策略探索—月頻因子（daemon，連續）	啟動即執行	常駐
自動策略探索—事件驅動（daemon，連續）	啟動即執行	常駐

資料庫 Schema

資料庫位置：data/quant.db

watchlist（觀察清單）

欄位	類型	說明
symbol	TEXT	股票代碼（2330、AAPL）
market	TEXT	TW 或 US
name	TEXT	股票名稱（中文）
added_by	INTEGER	Telegram user_id
is_active	INTEGER	1=追蹤中，0=已停用

price_history（價格歷史）

欄位	類型	說明
symbol, market	TEXT	識別鍵
trade_date	DATE	交易日期
open/high/low/close_price	REAL	OHLC
volume	INTEGER	成交量
ma5, ma20	REAL	均線
vol_ma20	REAL	成交量均量
n_day_high	REAL	N日滾動最高價

position_lots（持倉 Lot）

欄位	類型	說明
symbol, market	TEXT	識別鍵
trade_date	DATE	買入日期
quantity	REAL	原始買入量（股）
remaining	REAL	剩餘量（FIFO 消耗後更新）
unit_cost	REAL	每股成本

成本計算採 FIFO（先進先出）。

discovered_strategies（自動探索策略）

欄位	類型	說明
template_id	TEXT	策略組合 hash（去重鍵，UNIQUE）
name	TEXT	策略名稱
description	TEXT	策略描述
cagr / sharpe / mdd / win_ratio	REAL	回測績效
calmar_ratio	REAL	Calmar 比率（CAGR / \|MDD\|）
volatility	REAL	年化波動率
factor_list	TEXT	JSON 因子鍵列表（如 `["vol_ok","roe_min","rev_grow"]`）
ranking_factor	TEXT	排名依據（如 `"roe"`, `"peg"`, `"dy"`）
rebalance_freq	TEXT	再平衡頻率（`"M"` 月頻）
position_limit	REAL	動態持股上限（`min(0.20, 1/top_n)`）
passed	INTEGER	1=達標儲存，0=淘汰
code	TEXT	策略程式碼（通過時才儲存）
file_path	TEXT	儲存路徑
hypothesis	TEXT	探索種子與因子組合記錄
condition_group	TEXT	條件族 hash（factor keys + rank，用於同族去重）
tried_at	DATETIME	測試時間
notified	INTEGER	1=已推播

常用操作

手動觸發資料更新

# 台股
python scheduler/job_runner.py --once --market TW

# 美股
python scheduler/job_runner.py --once --market US

查詢 SQLite 資料庫

sqlite3 data/quant.db

SELECT * FROM watchlist WHERE is_active=1;

-- 查詢持倉（FIFO 彙總）
SELECT symbol, market,
       SUM(remaining) AS qty,
       SUM(remaining*unit_cost)/SUM(remaining) AS avg_cost
FROM position_lots WHERE remaining>0
GROUP BY symbol, market;

故障排除

Bot 無回應

tail -50 data/logs/bot.log
bash scripts/start.sh

策略 Agent 無法執行

# 確認 FinLab token
grep FINLAB_API_TOKEN config/.env

# 確認 claude binary
which claude

# 注意：必須在終端機執行，不能在 Claude Code session 內執行

Name		Name	Last commit message	Last commit date
Latest commit History 2 Commits
agents		agents
bot		bot
config		config
core		core
scheduler		scheduler
scripts		scripts
.gitignore		.gitignore
.python-version		.python-version
LICENSE		LICENSE
README.md		README.md
main.py		main.py
pyproject.toml		pyproject.toml
requirements.txt		requirements.txt
uv.lock		uv.lock

Folders and files

Latest commit

History

Repository files navigation

FinPilot — 台股量化分析平台

目錄

系統架構

資料流

目錄結構

服務說明

Python 套件（主要）

安裝與設定

1. Clone 並安裝套件

2. 填入 API 金鑰

3. 取得必要金鑰

4. 設定 Claude AI 模型（選填）

啟動與管理

一鍵啟動

停止所有服務

查看 Log

Telegram Bot 指令

管理觀察清單

查詢狀態

持倉管理

分析工具

Claude AI 自然語言查詢

設定

問法範例

可用工具

策略研究 Agent

執行方式

需要

運作流程

輸入範例

已驗證策略（agents/strategies/）

手動策略（s01~s10）

自動探索策略（🤖 嚴格重新驗證後保留 5 檔）

實驗性策略（exp_*）

注意事項

自動策略探索引擎（連續執行）

運作方式

入選門檻

通過後

每日資料快取

手動觸發

事件驅動型策略探索引擎（連續執行）

事件模板庫（3 種）

三段式驗證（與月頻型相同）

手動觸發

通過後

每日策略監控（20:00 自動推播）

事件警示（新增）

處置股策略

PEG 策略（月頻）

持倉健診（加減碼建議）

推播範例

手動觸發

持倉掃描器（手動執行）

特性

Regime 偵測邏輯

執行

輸出格式

備註

排程時間表

資料庫 Schema

watchlist（觀察清單）

price_history（價格歷史）

position_lots（持倉 Lot）

discovered_strategies（自動探索策略）

常用操作

手動觸發資料更新

查詢 SQLite 資料庫

故障排除

Bot 無回應

策略 Agent 無法執行

About

Resources

License

Uh oh!

Stars

已驗證策略（`agents/strategies/`）

Packages